买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽大学申请的专利基于异质子图三重语义聚合的知识图谱补全方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116842185B 。

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310452855.7，技术领域涉及：G06F16/36；该发明授权基于异质子图三重语义聚合的知识图谱补全方法及系统是由张以文;余磊设计研发完成，并于2023-04-24向国家知识产权局提交的专利申请。

本基于异质子图三重语义聚合的知识图谱补全方法及系统在说明书摘要公布了：本发明提供基于异质子图三重语义聚合的知识图谱补全方法及系统，方法包括：已知构成事理知识图谱的所有事件以及所有事件包含的所有实体和关系，以实体为节点关系为边构建异质图；从异质图中获取邻边和邻节点，构造关系路径有向子图R；为邻边和邻节点融入查询中的关系向量特征，并计算融合后特征向量的注意力值，再进行消息聚合得到该层嵌入表示，循环该步骤直到达到设定的层数L，构造完成得到关系路径子图的嵌入表示；对构造完成后的关系路径有向子图嵌入表示，进行训练；通过加入新实体对原异质图进行补全，利用新异质图再学习，补全知识图谱。本发明解决了难以有效学习子图结构、知识图谱特征学习的可解释性较低的技术问题。

本发明授权基于异质子图三重语义聚合的知识图谱补全方法及系统在权利要求书中公布了：1.基于异质子图三重语义聚合的知识图谱补全方法，其特征在于，所述方法包括： S1、根据事理知识图谱中，构成所述事理知识图谱的所有事件以及所述事件的所有实体和关系，以所述实体为节点，以所述关系为边，构建异质图； S2、根据所述实体及所述关系的查询参数，从所述异质图中获取邻边和邻节点，据以构造关系路径有向子图； S3、在执行所述步骤S2时，以不少于2种的方式，将所述查询参数中的关系向量特征融入所述邻边和所述邻节点，以得到融合特征向量，计算所述融合后特征向量的注意力值，据以进行消息聚合，以得到当前的层嵌入表示，循环执行所述步骤S3，直至达到设定层数，判定构造获取所述关系路径有向子图的嵌入表示； S3包括： S31、对于一个所述查询参数，在构建有向图的过程中，运行不少于2个级别的点和边消息传递，其中，所述点和边的消息传递包括：节点级聚合、点边级聚合以及综合聚合：节点与关系级、关系与邻边级以及节点关系邻边级语义消息聚合； S32、初始化矩阵： 以作为各层间消息传递的介质，式中，上标表示层，表示以为起始节点，以为查询； S33、在获取源节点和汇聚节点的邻域构成路径子图时，在构建所述关系路径有向子图时，将三种级别的注意力系数赋予每一节点和边，据以计算得到目标节点的重要路径节点以及重要边，以作为三种级别的注意力机制的计算结果； S34、聚合所述三种注意力机制的计算结果，以得到当前层聚合消息： 前述公式中： 式中，表示节点与关系聚合，表示关系与邻边聚合，表示节点关系邻边聚合其上系数表示第层,为激活函数,为线性变换矩阵,为维度大小； S35、再结合GRU模型，捕捉长序列之间的语义关联，利用下述逻辑处理所述当前层聚合消息： 其中：和为GRU模型的输入，使等于，为初始化的隐层张量，为Sigmoid激活函数，为激活函数Tanh，都为线性变换矩阵，为GRU模型输出也即处理后的； S4、训练所述关系路径有向子图的嵌入表示，以得到适用模型； S5、通过加入新实体，补全原异质图，以得到新异质图，利用所述适用模型学习所述新异质图，据以完成所述事理知识图谱的补全。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230039 安徽省合肥市蜀山区肥西路3号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。